INTERPOLATION

Interpolation
Interpolasi biasanya digunakan apabila kita ingin mencari suatu
nilai yang tidak diketahui diantara titik data yang diketahui.
Misal kita mempunyai data dari hasil eksperimental seperti
tabel dibawah. Kita tidak akan dapat mengetahui secara
langsung nilai y pada x = 1.25 karena fungsi y = f(x) tidak
diketahui secara jelas (eksplisit).

x y
1 1
1.1 1.21
1.2 1.44
1.3 1.69
1.4 1.96
1.5 2.25

Ada beberapa cara interpolasi yang dapat digunakan

tergantung pada anggapan kita tentang fungsi y = f(x). Metode
yang sering digunakan adalah dengan menggunakan suatu
polinom (suku banyak) seperti berikut:

f ( x ) a0 a1 x a 2 x 2 a3 x 3 ... a n x n

Untuk n+1 buah titik data, terdapat satu dan hanya satu
polinomial orde n atau kurang yang memenuhi semua titik.

Sebagai contoh hanya ada satu garis lurus (polinom derajat

satu) yang menghubungkan dua buah titik. Demikian juga,
hanya satu parabola (polinom derajat dua) yang
menghubungkan tiga buah titik.

Ilustrasi keterangan diatas dapat dilihat pada gambar berikut:

1
 INTERPOLATION

(a) Interpolasi Linear (b) Interpolasi Kuadrat

Beberapa cara interpolasi yang akan dibahas pada bagian ini

adalah:
- Interpolasi Polinom Newton
- Interpolasi Polinom Lagrange

Interpolasi Polinom Newton

Interpolasi polinom newton yang akan dibahas pada bagian ini
adalah interpolasi linear dan interpolasi kuadrat.

Interpolasi Linear

Merupakan bentuk interpolasi yang paling sederhana yang

dilakukan dengan menghubungkan dua buah titik data dengan
suatu garis lurus.
Sehingga pada metode ini dibutuhkan 2 data yang diketahui
nilainya. Selanjutnya nilai antara dihitung dengan
menghubungkan 2 data tersebut dengan garis lurus.

2
 INTERPOLATION
Secara grafis interpolasi linear dapat diilustrasikan pada
gambar berikut:

Dengan menggunakan perbandingan segitiga sebangun maka

diperoleh hubungan:

f1 ( x) f ( x0 ) f ( x1 ) f ( x0 )

x x0 x1 x0

dapat ditulis kembali untuk mendapatkan:

f ( x1 ) f ( x0 )
f 1 ( x ) f ( x0 ) ( x x0 )
x1 x0

yang merupakan formula interpolasi linear.

Jika interval antara titik data semakin kecil, maka hasil

pendekatan akan semakin bagus.

3
 INTERPOLATION
Contoh:
x ln x x Lin. Int. x Lin. Int. x Lin. Int.
1 0.000 1 0.000 1 0.000 1 0.000
2 0.693 2 0.549 2 0.462 2 0.358
3 1.099 3 1.099 4 1.386 6 1.792
4 1.386
5 1.609
6 1.792
7 1.946
1.386 0 1.792 0
f1 ( 2) 0
6 1
(2 1) 0.462 ; f1 ( 2) 0
6 1
( 2 1) 0.358

0.693 0.462 0.693 0.358

t
0.462
x 100% 33.3% ; t
0.693
x 100% 48.3%

2.0

1.5
y = ln x

1.0

0.5

0.0
0 2 4 6 8
x

ln x Lin. Int. Lin. Int. Lin. Int.

4
 INTERPOLATION

Interpolasi Kuadrat

Nilai eror pada contoh diatas adalah karena kita mendapatkan

nilai prediksi dengan garis lurus. Jika tersedia tiga titik data,
maka interpolasi dapat dilakukan dengan polinomial derajat dua
(polinomial kuadrat atau parabola) yang persamaannya sebagai
berikut:

f 2 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 )

Bentuk polinomial yang dikenal secara umum adalah:

f ( x ) a 0 a1 x a 2 x 2 a3 x 3 ... a n x n

Pemotongan sampai 3 suku pertama memberikan polinomial

kuadratik:

f ( x) a 0 a1 x a 2 x 2

Jika persamaan f2(x) diatas diselesaikan akan menghasilkan:

f 2 ( x ) (b0 b1 x0 b2 x0 x1 ) (b1 b2 x0 b2 x1 ) x (b2 ) x 2

a0 a1 a2

Koefisien-koefisien persamaan diatas dapat diperoleh dengan

menerapkan syarat batas. Ada 3 unknown (b0 , b1 , b2), berarti
harus ada 3 data yang harus diketahui (misal x0 , x1 , x2).
Substitusi x = x0 , x = x1 , x = x2 ke persamaan f2(x) berturut-
turut akan menghasilkan :

b0 f ( x0 )

5
 INTERPOLATION
f ( x1 ) f ( x0 )
b1
x1 x0

f ( x2 ) f ( x1 )
b1
x2 x1
b2
x 2 x0

Jika digunakan untuk interpolasi linier, persamaan f2(x)

menjadi:

f1 ( x) b0 b1 ( x x0 )

Substitusi koefisien b0 dan b2 diatas akan memberikan:

f ( x1 ) f ( x0 )
f 1 ( x ) f ( x0 ) ( x x0 )
x1 x0

Terlihat bahwa didapat lagi persamaan interpolasi linear.

Contoh soal

Gunakan Interpolasi Kuadratik Newton untuk menentukan nilai

f(2)

x f(x) = ln x

6
 INTERPOLATION
1 0
4 1.386
6 1.792

Solusi :

b0 = 0

1.386 0
b1 0.462
4 1

1.792 1.386
0.462
b2 6 4 0.052
6 1

Substitusi ke pers. f2(x) menghasilkan :

f2(2) = 0 + 0.462 (x - 1) 0.052 (x - 1) (x - 4)

= 0.566 (t = 18.4 %)

7
 INTERPOLATION

x ln x b0 b1 b2 x Int. Kuad. b0 b1 b2 x Int. Kuad.

1 0.000 1 0.000 1 0.000
2 0.693 0.000 0.549 -0.087 2 0.637 0.000 0.462 -0.052 2 0.566
3 1.099 3 1.099 4 1.386
4 1.386 4 1.386 6 1.792
5 1.609
6 1.792
7 1.946

2.0

1.5
y = ln x

1.0

0.5

0.0
0 2 4 6 8
x

ln x Lin. Int. Lin. Int.

Dari kurva diatas dan nilai eror yang dihasilkan bisa dilihat
bahwa nilai pendekatan yang didapat dengan metoda
interpolasi kuadrat lebih baik dibanding dengan interpolasi
linear.

8
 INTERPOLATION

Interpolasi Polinomial Lagrange

Interpolasi Polinomial Lagrange merupakan reformulasi dari
Interpolasi Polinomial Newton dalam bentuk yang lebih
sederhana.

Bentuk umum Interpolasi Polinomial Lagrange :

n
f n ( x) Li ( x) f ( xi )
i 0

dimana :
n x xj
Li ( x)
j 0 xi x j
j i

dimana mempunyai arti hasil kali dari.

Misal :
Untuk versi linier n = 1

x x1 x x0
f1 ( x) f ( x0 ) f ( x1 )
x0 x1 x1 x0

Untuk versi orde dua n = 2

( x x1 )( x x2 ) ( x x0 )( x x 2 ) ( x x0 )( x x1 )
f 2 ( x) f ( x0 ) f ( x1 ) f ( x2 )
( x0 x1 )( x0 x 2 ) ( x1 x0 )( x1 x 2 ) ( x 2 x0 )( x 2 x1 )

Contoh Soal

9
 INTERPOLATION
Selesaikan soal yang sama dengan contoh soal pada Interpolasi
Kuadratik Newton :

x0 = 1 f(x0) = 0
x1 = 4 f(x1) = 1.386
x2 = 6 f(x2) = 1.792

Solusi eksak : f(x) = ln (x)

Solusi :

- versi linier :

24 2 1
f1 (2) (0) (1.386) 0.462
1 4 4 1

- versi orde dua :

(2 4)(2 6) (2 1)(2 6) ( 2 1)( 2 4)

f 2 ( 2) (0) (1.386) (1.792)
(1 4)(1 6) (4 1)(4 6) (6 1)(6 4)

= 0.566

Terlihat solusi yang diperoleh dari Interpolasi Newton dan

Lagrange relatif sama.

10